基于自适应正则化子空间追踪压缩感知算法的大规模MIMO系统信道估计的制作方法

本发明属于通信信号处理领域，具体涉及基于一种基于自适应正则化子空间追踪压缩感知算法的大规模mimo系统信道估计。

背景技术：

近些年移动通信无线技术发展迅速，在现在第四代移动通信中，mimo技术利用空间复用和传输分集特性，在很大程度上提高了信息传输的速率和可靠性。在接下来的十多年，无线通信对传输速率的需求预计将是目前系统的千倍，因而4g仍难以满足未来移动通信的应用需求，许多国家已经着眼于第五代移动通信技术的研究。大规模mimo技术是在传统mimo技术基础上发展而来的新技术，其核心思想是在基站端配备数十根乃至上百根天线组成天线阵列同时服务于多个用户以提高频谱利用率并提高信息传输速率，其已经成为了5g的关键技术之一。对于大规模mimo技术进行信道均衡和相关检测都需要精确的信道状态信息，所以对大规模mimo系统进行信道估计十分必要。

目前，在大规模mimo系统信道估计领域，现阶段对于大规模mimo信道估计的研究大多是针对tdd传输模式的，由于tdd具有上下行信道互易性，利用上行信道估计出的信道矩阵对其进行转置即为下行信道状态信息，从而避免了大规模mimo系统中基站处天线过多而导致的导频污染问题。但是这种信道互易性不是实时的，上行信道的信息对于下行信道来说是可能是过时的，不准确的。而且fdd仍然是现在小区蜂窝系统的主流，所以研究频分双工fdd传输模式下的下行信道估计很有必要。由于在信号传播空间中存在有限数量的散射和延时扩展，而且在基站处天线存在空间相关性，所以其信道的能量只集中在几条主要的路径上，其他路径上能量很小可以忽略不计，所以我们在时域上将信道看作是稀疏的。在大规模mimo系统fdd下行信道估计的研究中，传统的信道估计方法，如最小均方误差(mmse)算法、最小二乘法(ls)，没有利用信道的稀疏特性，需要较多的导频信号，浪费频带资源且抗噪声能力较差。

技术实现要素：

针对现有信道估计方法存在的不足，本发明提出一种基于自适应正则化子空间追踪压缩感知算法的大规模mimo系统信道估计。在实际的传输空间中，由于存在有限数量的散射和时延扩展，而且基站处的天线放置排列的较为紧凑而存在空间相关性，所以本发明在信道时域稀疏的前提下进行，技术步骤如下：

一种基于自适应正则化子空间追踪压缩感知算法的大规模mimo系统信道估计，所述信道在时域上看作是稀疏的，具有如下步骤：

s1、基站处nt根天线发送信息，用户端的nr根天线进行接收，接收到的导频信号为测量向量y；根据发送的导频信息构建感知矩阵a；

s2、自适应正则化子空间追踪算法估计稀疏信号h。

所述步骤s1的具体步骤如下：

在发送端第i根天线发送一个具有u个子载波的ofdm符号，并进行ifft变换实现ofdm调制，输出的每个ofdm符号前加入循环前缀cp，以减弱信道延迟扩展产生的影响，这些处理过的ofdm信号经过数模转换后在无线信道内传送到每一个用户端的天线处，在第j根接收天线进行去除循环前缀cp和fft变换，接收端接收到的导频信号为测量向量yj，y＝yj；

随机选取u个子载波上的n个位置放置导频符号，构造出感知矩阵其中pn为选取的n个位置的导频信息，fl为u点离散傅里叶变换矩阵f中对应的导频所在位置的n行和信道长度的前l列，则

由此可得信道冲激响应可以用压缩感知模型求解。

之后用压缩感知重构算法重构出信道冲激响应，这里的重构算法使用改进的贪婪类算法即自适应正则化子空间追踪算法：

所述步骤s2的具体步骤如下：

s21、进行重构初始化：初始残差：r0＝y，迭代次数：i＝1，初始步长：s＝1，阶段步长：stage＝1，列序号索引集：感知矩阵支持集：稀疏度k；

s22、根据式u＝{uj|uj＝|<rj,aj>|,j＝1,2,…,n}求残差r与感知矩阵a各列的内积，并选取其中前s个最大值记入索引集ji；

s23、对ji中按式|ui|≤2|uj|,i,j∈ji进行正则化能量分级过程，将正则化后得到的索引值存入jx中，并根据jx更新支撑集ajx；

s24、求的伪逆得到

s25、根据回溯思想，选取中绝对值最大的k个元素对应的索引值记入jt，并根据索引值jt更新支撑集

s26、求的伪逆得到

s27、更新残差

s28、i＝i+1，若i≤k，则继续，否则停止迭代进入步骤s210；

s29、比较残差值：

若||rnew||2≥||rn-1||2，则stage＝stage+1，s＝s·stage，转步骤s22；

若||rnew||2＜||rn-1||2，s＝s，转步骤s22；

s210、重构得到的在jt处有非零值，其值为最后一次迭代得到的

s211、对其他接收天线收到的信息做同样处理，并取并集，得到最后的估计的h。

传统的信道估计技术没有考虑信道稀疏特性，会使用过多数量的导频才能得到一定的估计效果，极大的降低了频带利用率，浪费资源。本发明所采用的方法在信道稀疏性的前提下进行研究，在子空间追踪算法的基础上进行改进，在第一次选择步长时自适应的进行选择，在两次选择原子中间加入了正则化过程，选出能量最大的一组原子，能够以较少的导频数得到较为准确的估计效果，效果好于传统的信道估计方法，具有一定的实用价值。

基于上述理由本发明可在通信信号处理等领域广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的具体实施方式中基于自适应正则化子空间追踪压缩感知算法的大规模mimo系统信道估计的流程图。

图2是本发明的具体实施方式中大规模mimo系统的传输流程。

图3是本发明的具体实施方式中自适应正则化子空间追踪算法估计的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-图3所示，一种基于自适应正则化子空间追踪压缩感知算法的大规模mimo系统信道估计，用于单个小区fdd传输模式的下行信道。基站处配置nt根天线，有nr个单天线用户终端。在本具体实施方案中，以nt＝16，nr＝8来做具体描述。

所述信道在时域上看作是稀疏的，所述估计具有如下步骤：

s1、基站处nt根天线发送信息，用户端的nr根天线进行接收，接收到的导频信号为测量向量y：在第i根发送天线与第j根接收天线间的信道冲激响应为hi为路径增益，τi为路径延迟，信道长度为l，hi中非零个数为k个，k＜＜l。我们取信道长度为256，信道中非零个数k为6，即信道稀疏度为6；

在发送端第i根天线发送一个具有4096个子载波的ofdm符号，并进行ifft变换实现ofdm调制，输出的每个ofdm符号前加入循环前缀cp，这些处理过的ofdm信号经过数模转换后在无线信道内传送到每一个用户端的天线处，在第j根接收天线进行去除循环前缀cp和fft变换，接收端接收到的导频信号为测量向量yj，y＝yj，考虑到信道内的噪声n，则第j个用户收到的接收符号为式

s2、根据发送的导频信息构建感知矩阵a：

随机选取4096个子载波上的500个位置放置导频符号，构造出感知矩阵其中pn为选取的500个位置的导频信息，fl为u点离散傅里叶变换矩阵f中对应的导频所在位置的500行和信道长度的前256列，则

s3、自适应正则化子空间追踪算法估计稀疏信号h：

在大规模mimo系统中，由于在信号传播空间中存在有限数量的散射和延时扩展，而且在基站处天线存在空间相关性，所以其信道的能量只集中在几条主要的路径上，其他路径上能量很小可以忽略不计，所以我们在时域上将信道看作是稀疏的，根据信道稀疏性的特点，采用压缩感知方法估计。压缩感知是一种新的采样理论，其与传统奈奎斯特采样定理不同。它指出，只要信号是可以压缩的或者在某个变换域上是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号。假设在rⁿ空间存在一个n×1维的信号x，x可以由一个在rⁿ空间中n×n的变换基ψ矩阵稀疏表示，即x＝ψh；

h是一个可压缩的稀疏信号，即h中只有k个值非零。压缩感知理论表明，对于在某个ψ域下的稀疏信号h，可以用一个与变换域ψ不相关的m×n维的测量矩阵φ将h投影到y上，从而得到一个压缩感知测量模型，如式y＝φx＝φψh＝ah。

其中，y为n×1维500×1的测量向量，a为n×(nt*l)维即500×4096的感知矩阵。可以利用已知的观测向量y和感知矩阵a就可以重构稀疏信号h。

为了能够求解压缩感知重构问题，感知矩阵a需要满足受限等距特性(restrictedisometryproperty，rip)，但要验证感知矩阵是否满足此特性很难，通常只要满足变换矩阵ψ与测量矩阵φ不相关就可以求解。

是一个典型的可以用压缩感知方法解决的模型。所以用压缩感知重构算法来估计信道冲激响应。

s31、输入：n×(nt*l)维的感知矩阵a，n×1维的观测向量y，步长s＝1，稀疏度k；

进行重构初始化：初始残差：r0＝y，迭代次数：i＝1，初始步长：s＝1，阶段步长：stage＝1，列序号索引集：感知矩阵支持集：稀疏度k；

s32、根据式u＝{uj|uj＝|<rj,aj>|,j＝1,2,…,n}求残差r与感知矩阵a各列的内积，并选取其中前s个最大值记入索引集ji；

s33、对ji中按式|ui|≤2|uj|,i,j∈ji进行正则化能量分级过程，将正则化后得到的索引值存入jx中，并根据jx更新支撑集ajx；

s34、求的伪逆得到

s35、根据回溯思想，选取中绝对值最大的k个元素对应的索引值记入jt，并根据索引值jt更新支撑集

s36、求的伪逆得到

s37、更新残差

s38、i＝i+1，若i≤k，则继续，否则停止迭代进入步骤s310；

s39、比较残差值：

若||rnew||2≥||rn-1||2，则stage＝stage+1，s＝s·stage，转步骤s32；

若||rnew||2＜||rn-1||2，s＝s，转步骤s32；

s310、重构得到的在jt处有非零值，其值为最后一次迭代得到的

s311、对其他接收天线收到的信息做同样处理，并取并集，得到最后的估计的h。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。